Nonlinear analysis of electroencephalogram at rest and during cognitive tasks in patients with schizophrenia
Notice bibliographique
Résumé
BACKGROUND: In spite of the large number of studies on schizophrenia, a full understanding of its core pathology still eludes us. The application of the nonlinear theory of electroencephalography (EEG) analysis provides an interesting tool to differentiate between physiologic conditions (e.g., resting state and mathematical task) and normal and pathologic brain activities. The aim of the present study was to investigate nonlinear EEG activity in patients with schizophrenia. METHODS: We recorded 19-lead EEGs in patients with stable schizophrenia and healthy controls under 4 different conditions: eyes closed, eyes open, forward counting and backward counting. A nonlinear measure of complexity was calculated by means of correlation dimension (D2). RESULTS: We included 17 patients and 17 controls in our analysis. Comparing the 2 populations, we observed greater D2 values in the patient group. In controls, increased D2 values were observed during active states (eyes open and the 2 cognitive tasks) compared with baseline conditions. This increase of brain complexity, which can be interpreted as an increase of information processing and integration, was not preserved in the patient population. LIMITATIONS: Patients with schizophrenia were taking antipsychotic medications, so the presence of medication effects cannot be excluded. CONCLUSION: Our results suggest that patients with schizophrenia present changes in brain activity compared with healthy controls, and this pathologic alteration can be successfully studied with nonlinear EEG analysis.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».